近日我在一项限时一小时的小组作业里被教授控诉使用 AI 且不承认，而她的理由让我大跌眼镜。

背景

我这个学期正在上一节 CIS（计算机信息系统）课程，内容是 Python 入门，上课方法是网课。开课时的第一周，教授便给我们分配了一项作业：介绍自己并且告知我们是否有课外经验，好让她了解我们的能力以及对我们的作业有多大的期待。

我于数年前便学习过 Python，且学习了很长一段时间爬虫、网页自动化操作和 JavaScript 逆向（关于 JavaScript 逆向，你可以在 这里 找到一些我过往写过的文章。我也有当时学习这三个内容的笔记，未来可以发出来）。

于是我填写了表单，表示我学习过 Python 并且懂得如何使用许多库，其中便包括了这次的主角：BeautifulSoup。

起因

教授要求我们在一小时内完成一个小组作业，要求如下：

网页抓取书籍数据

目标网站： Books to Scrape

任务：

  1. 从网站的 第一页 提取书籍信息，包括：
    • 书籍的 标题
    • 价格
    • 库存状态
  2. 将每本书的数据存储为一个 字典

输出示例：

plaintext
1
2
A Light in the Attic : {'Price': '£51.77', 'In Stock': 'In stock'}
Tipping the Velvet : {'Price': '£53.74', 'In Stock': 'In stock'}

作业说明：

  • 遵循课上讨论的步骤和方法
  • 你可以使用 AI 工具来获取关于从网站抓取数据的指导或澄清，但 请勿复制完整的解决方案。任何 AI 提供的建议 都必须经过修改，以符合课上讨论的方法和步骤，以此证明你自己的理解并应用了所学知识
  • 直接提交来自外部来源的解决方案将得零分
  • 如果你使用了 AI，请 明确注明 你使用的 AI 工具，包含你提供的提示词，以及 AI 生成的输出内容
  • 请像课上演示的那样，一步步展示你的进度。只提交完整的解答而没有展示过程或小测试将不被接受

进阶挑战：

  • 从网站的 前 5 页 提取书籍信息
  • 同时 提取 评分

这里有一些内容需要补充：

  1. 教授本身不懂 HTML，也没讲过 HTML
  2. 关于网页爬虫的内容，教授只讲了一堂课

这也是为什么教授允许我们使用 AI 工具：因为一些内容她根本没提到，需要 AI 辅助。

回到小组。我因为本来就懂爬虫，也懂怎么使用 BeautifulSoup（不过我更喜欢 lxml~），所以我直接告诉了小组成员我们要如何编写这套代码。不过这里出现了一个小插曲：我误以为需要进入到书本详情页才能获取到标题等内容，还白白写了一套「获取所有链接、访问链接再抓取数据」的代码。实际上直接在首页抓就好了。后面被小组成员提醒才赶忙修回来。

好了这不是重点！

这是首页源代码里一本书的内容：

html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
<article class="product_pod">
  <div class="image_container">
    <a href="catalogue/sapiens-a-brief-history-of-humankind_996/index.html"><img src="media/cache/be/a5/bea5697f2534a2f86a3ef27b5a8c12a6.jpg" alt="Sapiens: A Brief History of Humankind" class="thumbnail"></a>
  </div>
  <p class="star-rating Five">
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
  </p>
            
  <h3><a href="catalogue/sapiens-a-brief-history-of-humankind_996/index.html" title="Sapiens: A Brief History of Humankind">Sapiens: A Brief History ...</a></h3>
  <div class="product_price">
    <p class="price_color">£54.23</p>
    <p class="instock availability">
      <i class="icon-ok"></i>
    
        In stock
    
    </p>

    <form>
      <button type="submit" class="btn btn-primary btn-block" data-loading-text="Adding...">Add to basket</button>
    </form>
  </div>
</article>

这里需要特别说一下首页标题：

html
1
<h3><a href="catalogue/sapiens-a-brief-history-of-humankind_996/index.html" title="Sapiens: A Brief History of Humankind">Sapiens: A Brief History ...</a></h3>

如果直接 a.text 的话，只会得到被裁剪的标题。真正的标题在其中的 title 属性里。那直接写 a["title"] 就可以了吗？当然不是了，不是所有的 a 标题都带有 title 属性，真跑起来的话不就报错了？

这里有两个方法：

python
1
if soup.find("a")["title"]:
python
1
soup.find("h3").find("a")["title"]
当然了方法还有很多，我这里只说我当时第一时间想到的。

用第一个办法最保险，但是对于这个简单的作业，我直接写的第二个。这里虽然是我不够严谨了，不过当时实际敲代码的并不是我。单是口头指导屏幕另一边的小组成员怎么写东西、要点击什么东西就已经够累人了，我还需要告诉他们为什么我要这么做、用的方法是做什么使的…… 因为小组成员好像没有一个人知道怎么做哎！反正代码向来都是能用就可以，我觉得这个处理方式没有任何问题。

其余内容没什么好说的，我直接让小组成员开始写字典、照教授所要的方法打印出来字典…… 唯一的问题是打印出来的价格会多出一个神秘符号 Â，感觉是编码问题。我们加了一个 .replace("Â", "") 来去掉它。

这时候我们已经快到了截止时间。我们不仅需要在这个时间里写完代码，还需要填写成员评估表单交上去。这是最终代码（因为是 ipynb，所以一个代码块等同于一个单元格）：

所有代码
python
1
%pip install requests
python
1
2
3
4
5
6
7
import requests

url = "https://books.toscrape.com/"

response = requests.get(url)

response

response 返回的内容：

plaintext
1
<Response [200]>
python
1
from bs4 import BeautifulSoup
python
1
2
3
soup = BeautifulSoup(response.text, 'html.parser')

soup

soup 返回的内容：

html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
<!DOCTYPE html>

<!--[if lt IE 7]>      <html lang="en-us" class="no-js lt-ie9 lt-ie8 lt-ie7"> <![endif]-->
<!--[if IE 7]>         <html lang="en-us" class="no-js lt-ie9 lt-ie8"> <![endif]-->
<!--[if IE 8]>         <html lang="en-us" class="no-js lt-ie9"> <![endif]-->
<!--[if gt IE 8]><!--> <html class="no-js" lang="en-us"> <!--<![endif]-->
<head>
<title>
 All products | Books to Scrape - Sandbox
</title>
<meta content="text/html; charset=utf-8" http-equiv="content-type"/>
<meta content="24th Jun 2016 09:29" name="created"/>
<meta content="" name="description"/>
<meta content="width=device-width" name="viewport"/>
<meta content="NOARCHIVE,NOCACHE" name="robots"/>
<!-- Le HTML5 shim, for IE6-8 support of HTML elements -->
<!--[if lt IE 9]>
     <script src="//html5shim.googlecode.com/svn/trunk/html5.js"></script>
     <![endif]-->
<link href="static/oscar/favicon.ico" rel="shortcut icon"/>
<link href="static/oscar/css/styles.css" rel="stylesheet" type="text/css"/>
<link href="static/oscar/js/bootstrap-datetimepicker/bootstrap-datetimepicker.css" rel="stylesheet"/>
<link href="static/oscar/css/datetimepicker.css" rel="stylesheet" type="text/css"/>
</head>
<body class="default" id="default">
...
         });
     </script>
<!-- Version: N/A -->
</body>
</html>
Output is truncated. View as a scrollable element or open in a text editor. Adjust cell output settings...

python
1
2
books = soup.find_all("article", class_="product_pod")
books

books 返回的内容：

plaintext
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
[<article class="product_pod">
 <div class="image_container">
 <a href="catalogue/a-light-in-the-attic_1000/index.html"><img alt="A Light in the Attic" class="thumbnail" src="media/cache/2c/da/2cdad67c44b002e7ead0cc35693c0e8b.jpg"/></a>
 </div>
 <p class="star-rating Three">
 <i class="icon-star"></i>
 <i class="icon-star"></i>
 <i class="icon-star"></i>
 <i class="icon-star"></i>
 <i class="icon-star"></i>
 </p>
 <h3><a href="catalogue/a-light-in-the-attic_1000/index.html" title="A Light in the Attic">A Light in the ...</a></h3>
 <div class="product_price">
 <p class="price_color">£51.77</p>
 <p class="instock availability">
 <i class="icon-ok"></i>
     
         In stock
     
 </p>
 <form>
 <button class="btn btn-primary btn-block" data-loading-text="Adding..." type="submit">Add to basket</button>
 </form>
 </div>
 </article>,
...
 <form>
 <button class="btn btn-primary btn-block" data-loading-text="Adding..." type="submit">Add to basket</button>
 </form>
 </div>
 </article>]
Output is truncated. View as a scrollable element or open in a text editor. Adjust cell output settings...
python
1
2
3
4
5
6
7
8
9
10
11
books_data = {}

for book in books:

title = book.find("h3").find("a")["title"]

price = book.find("p", class_="price_color").text.replace("Â", "")

availability = book.find("p", class_="instock availability").text.strip()

books_data[title] = { "price": price, "in stock": availability }
python
1
2
3
for title, info in books_data.items():

print(title, ":", info)

最终 print 出来的内容（原文太长了删减一下）：

plaintext
1
2
3
4
A Light in the Attic : {'price': '£51.77', 'in stock': 'In stock'}
Tipping the Velvet : {'price': '£53.74', 'in stock': 'In stock'}
Soumission : {'price': '£50.10', 'in stock': 'In stock'}
Sharp Objects : {'price': '£47.82', 'in stock': 'In stock'}

数日后成绩下来了，我们拿了 F，而这是教授的反馈：

作业说明明确指出：「就像课堂上演示的那样，一步步展示你的过程。不展示过程或小测试的完整解答将不被接受。」你提交的作业不包含任何测试或循序渐进的过程。你只是把完整的解答拆分到了不同的单元格里。依然没有测试。此外，也未披露使用了 AI。

关于你的代码：这一行是从哪里来的？books = soup.find_all('article', class_='product_pod')。还有，你是怎么在 for 循环下直接写出这些的： book.h3.a['title'] book.find('p', class_='price_color').text book.find('p', class_='instock availability').text.strip() 像我在练习中做过多次的那样，针对这些代码的测试在哪里？

我当时看到的第一反应是：什么叫他妈的我们没有披露使用 AI？

第一次回复

这节课的 WhatsApp 群组里有人表示，我们不是唯一拿了 F，并且被指控使用了 AI 的小组。

一些拿了分的小组提到教授要求我们像她的笔记那样，记录每一步尝试。他们直接照着她的笔记捣鼓，拿了满分。但这和我有什么关系？我又不是新手，我为什么还要退一步、装自己什么也不懂？难道抄教授的思路就好了？

也有人向教授说话，说因为教授自己也不懂 HTML，因此不期待我们懂 HTML，才叫我们用 AI 来了解 HTML。这番言论一说出来便遭到了其他已经学习过网页开发的校友的嘲讽：教授自己都不懂自己分配的作业，反过来指责我们这些懂的人用了 AI。这不搞笑吗？ 这是我自己想出来的代码，用我学过的东西、自己写出来的！现在你告诉我，我未披露自己使用了 AI？要知道，AI 可是有一定的可能性，被喂了我所曾经想出来的代码方案哎！

我的一位小组成员（以下简称甲）找到我，希望我可以和她一起出面、找教授说清楚。我告诉甲我们的代码绝对不是 AI 生成的，我也已经就我的想法给出了我的步骤。如果不是因为教授要求我们给出步骤，我甚至不会去打印那么多次变量、将它们分成多个单元格。有必要去装模作样测试那么多次吗？没有！

不过呢，我因为次日还有个演讲，完全忘记了发邮件这件事…… 直到演讲前的一小时，甲给我发了她和教授之间的对话：

甲：

晚上好，

我阅读了您关于第 5 次作业的反馈。关于「逐步展示过程」，就我们的理解而言，我们确实是照做了。我觉得我们可能没理解题目到底要求我们做什么。

我们并没有使用 AI，所以我不知道您为什么会觉得我们用了。

能不能请您再给我们一次机会来修正那段代码或提交类似的代码？在作业里拿个 0 分并不能激励我继续前进。

致以诚挚的问候，

甲

教授：

嗨甲，

这次作业的要求非常明确，而且我在上课一开始就强调过，我期望看到你们的 过程，而不仅仅是最终的解决方案。这次作业旨在评估你们 循序渐进的过程，而不仅仅是最终结果。我已经在反馈中解释了我对 AI 使用的顾虑。其他披露了使用 AI 的小组实际上也使用了相同的代码。让我给你一个更详细的解释。

使用 h3.a["title"] 这一点，如果没有 AI 的协助，你们也是想不出来的。如果你们是独立完成的，你们很可能会从像 first_book.find("a", class_="title") 这样的代码开始，观察到它不起作用，然后再转向其他方法。它之所以不起作用，是因为标题的 HTML 结构与价格和库存的结构不同。然而，你们并没有关于这部分的 AI 使用披露，也没有尝试用我教过的方式来提取标题。这种用法是直接由 AI 生成的解决方案，这也违反了作业要求。我从来没有教过将标签（h3, a）当作函数 / 属性来使用。这些信息是从哪里来的？为什么在提取价格和库存时使用的是 book.find('p', class_="price_color") 和 book.find('p', class_='instock availability')，却偏偏在提取标题时使用 h3.a["title"]？

如果你们参考过我的教学课件，你们就不会那样去构建代码中的字典部分。你们使用的这种风格是一种 优化过的方法：先通过 soup.find_all('article', class_="product_pod") 一次性提取所有项目，然后再遍历每一项进行抓取。你们是怎么知道可以这样做的？然而，这并不是我在课上展示的内容。我演示的是如何通过一步步审查 HTML 结构来单独定位每一条信息。我并没有教过你们如何先提取所有数据，然后再在一个单一的循环中检索内部的子数据点。你们提交的方法并不能反映我所教授的过程或方法论。

很遗憾，我无法接受你们修改后的重新提交。课程政策不允许重新提交作业。

祝好，

教授

我看到后立马想到（以至于我之后的演讲因为头脑混乱讲的很差）：

  1. 这个教授的整个底层逻辑有问题
  2. 她不懂爬虫、不懂 AI，也不懂学习！

教授的指控和逻辑

先说教授的底层逻辑。她默认学生们什么都不会，没有教过的内容等同于学生们不会。这里有两个问题：

  1. 学生们要是不会，去问 AI 完全没有问题。但是她没有考虑到会的学生啊！我都会了，我还要去搜 AI、告诉你我用了 AI 吗？肯定不是啊！

    在大学环境里，「教授没教」怎么可能去等同于「学生不可能知晓」呢？ 我们完全可以去提前阅读文档、验证假设、应用这些知识。更何况这是编程课程，自主学习本来就应该被鼓励才对。

    按照她的逻辑，独立实验是被禁止的、主观能动性是受惩罚的、学术成长也是被视为作弊的证据。要求我们的思维过程必须与她教授的路径一致，这既不合理、在学术上站不住脚，也绝对不是高等教育的运作方式。

  2. 既然原先就这么默认，那么起初的编程经验调查的意义何在？只是为了完成学校部门的要求吗？

这是上文我重点提及的代码：

html
1
<h3><a href="catalogue/sapiens-a-brief-history-of-humankind_996/index.html" title="Sapiens: A Brief History of Humankind">Sapiens: A Brief History ...</a></h3>

她认为我所写的 h3.a["title"] 是学生无法独立想出的内容、是直接用 AI 生成的解决方案。就和我上文所说的那样，莫名其妙，毫无逻辑。宣称学生们想不出来，根本是否认了他们思考的权利。再加上，为什么死认我们使用 AI，而不是阅读 BeautifulSoup 的文档？难道阅读文档在现在这个时代也过时了？

教授所要求的「展示步骤」也是愚蠢至极，根本无法像她所想的那样防住使用 AI 作弊的学生：我只要把教授的课件全部炼化，然后让 AI 生成相同效果的代码不就好了？ 并且会大大打击那些已经学会了如何写代码的学生。已经有数个学生反映她的课对已经学习过编程的人来说是一种折磨：我就是会啊，你还想我怎样！

可怕的是，教授对我们使用 AI 的指控没有任何可靠的证据，完全出于她自己的臆测。她将这一条写在解释之前，因此我猜测这是她认为我们有罪的最大证据：其他披露了使用 AI 的小组实际上也使用了相同的代码。 额…… 不然呢？BeautifulSoup 提取标签属性值的方法本来就那几个啊。难道和 AI 一样说 1 + 1 = 2 的人，也全都是 AI？

而最让我意外的是，许多被无辜指控的学生都放弃了澄清。当时向着教授说话的不在少数，这些观点也险些让我也失去了沟通的勇气。我可以为我任何的不足负责，但我绝不为我未曾做过的事道歉。如果对方要用臆测代替证据，她所要负起的，不止是一次误判的责任，更是对学术公正和个体尊严的损害。

第二次回复

既然找出了教授所有的逻辑漏洞，我也得负起小组领导的职责、向教授再一次沟通。这是我最终的邮件：

尊敬的教授：

我已阅读了您发给我的队友甲的关于我们作业反馈的邮件。我写这封信是为了澄清关于我们要代码逻辑的误解以及对我们使用 AI 的指控，因为是我主导了我们组的编码逻辑。

关于基于特定语法（如 h3.a['title']）而指控我们使用 AI 一事，我必须澄清这段代码并非由 AI 生成。我在 HW1 的学生概况调查中曾表示过我有网络爬虫的经验。我最初尝试使用 soup.find("a")["title"] 来提取标题，但我很快意识到这会导致报错，因为文档结构中并非所有的 <a> 标签都拥有 "title" 属性。随后我将代码改进为 soup.find("h3").find("a")["title"]，因为所有带有 "title" 属性的 <a> 标签都嵌套在 "h3" 标签内。之后在循环中我使用了 book.find("h3").find("a")["title"]，因为我写了一个 for 循环从 soup.find_all("article", class_="product_pod") 中获取所有的书籍。由于当时时间紧迫，我便保留了这段代码未做改动。

您还提到其他披露使用了 AI 的小组也提交了类似的代码。我认为相关性并不意味着因果关系。a["title"] 这种语法是标准的简写形式，并且可以说是浏览这种特定 HTML 结构最直接的方式。

关于我们没有展示逐步推进过程的顾虑，这是对我们在时间限制下构建代码方式的误解。正如提交的 Notebook 所示，我在单独的单元格中展示了 response、soup 和 books 列表的输出。然而，对于循环内部具体的提取逻辑，我们在组内协调上遇到了一些挑战，这拖慢了我们的进度。尽管我尽力引导团队完成，但当我们开始编写最终的提取脚本时，距离截止时间已经非常近了。在时间压力下，我不得不依靠我之前的经验，直接基于分析编写了循环。

如果我们的作业能被重新评估，我将不胜感激。

非常感谢。

诚以此致，

我

十分私人的想法还是留给自己（以及你们，嘻嘻）吧…… 没必要增加更多的误会，只要回复教授的问题以及指出其他问题即可。

说来好笑，我最初拟的版本被室友吐槽「不像人在说话」。她认为我是博客写多了，现在写邮件也会在里面穿插一些大道理，并且有许多重复的内容。我认为没有办法啊，有些东西我不重复讲一下不能表达出我的急切。总之让她帮我修改了一下，也是上文这个版本。

至于后续如何，也不是特别重要了。值得感叹的是，就算是到了 AI 时代，能够熟练使用某项技能也会被古板的教育系统视为「有罪」。